2017年6月29日，新浪微舆情和哈尔滨工业大学社会计算与信息检索研究中心联合推出了根据社会化大数据语义剖析的“心情地图”测试版。到时，网民能够登录新浪微舆情官方网站实时查询任何关键字的 “心情地图”。
“心情地图”是指根据深度学习的语义感爱分类模型，在人类多见心情分类的基础上，对社会化媒体文本大数据中的潜在心情进行区分和归类计算，终究呈现为心情在时刻和空间维度上的散布。“心情地图”测试版的上线，标志着语义心情剖析在舆情剖析工业、乃至我国社会化大数据工业的初次正式使用。
心情地图标注的使用非常广泛。舆情剖析是其间的一类典型使用，经过对社会化媒体上网民所发布的文本内容进行剖析，从而实时地对网民的心情、态度和观念进行监测，还能够进一步与事情发现等使命相结合。除此之外，“心情地图”在引荐体系、商品评论剖析等使命中也具有很强的有用性，在政务使用、品牌价值、商品质量反应、影视作品口碑剖析等范畴均具有较强的实际意义。 在技能上，“心情地图”使用了根据深度学习的Word Embeddings、LSTM等NLP技能，对三元的倾向性分类模块与六元心情分类模块进行先后判别，混合使用了深层神经网络机器学习办法和词典办法。
语义感爱分类是自然语言处理中一项主要的使用，能够分为两大种类：感爱倾向性剖析与心情剖析。“感爱倾向性”指的是文本的感爱极性，例如“活跃”、“消极”或“中性”，目前国内社会化大数据剖析范畴（包括舆情剖析范畴）中对语义的感爱判别，基本上都是根据“感爱倾向性”的判别，也就是说，一般仅分为“正面”、“负面”和“中性”3类。但是，在实际使用中，这种“粗线条”的感爱分类方式，明显不能满意用户的精密化需要。例如，在一起重大灾祸事情中，虽然 “消极”或“负面”的心情占主导，但这种负面感爱中以“愤恨”为主、还是以“哀痛”为主，关于舆情态势的判别成果区别就会很大，有关部分下一步的善后处理及言论引导作业侧重点也会有所不同。而“心情”则指的是“高兴”、“愤恨”、“哀痛”、“惊骇”、“惊奇/吃惊”等人类多见心情，更能反映大家的观念和定见倾向。“心情地图”恰是根据“喜、怒、哀、恐、惊”这五类多见心情加上“中性”的六元心情分类进行的心情剖析，关于社会化大数据来说，这种数据发掘更为精密和有用，从而更具使用价值。